英國金融時報（FT）報導，中國正在醞釀中國版的「星際之門」（Stargate）計畫，除了廣設資料中心外，也強化網路連結，以設法抵消晶片效率落後的劣勢，並且更妥善運用有限的運算資源，從而挑戰美國人工智慧（AI）超級強權的地位。

研究業者Epoch人工智慧（AI）公司估算，目前美國擁有的AI運算能力約占全球的四分之三，中國只占15%，因此北京當局正積極擴充AI設施。中國3月宣布在西部偏遠地區廣設資料中心計畫，以訓練大型AI模組，同時也在各大城市附近建立新的伺服器農場，都聚焦於「推論」（inference）AI模型，以促進AI應用。

最新的資料中心設在安徽蕪湖市一處760公頃的小島上，迄今已有15家公司在蕪湖市設立資料中心，總投資額人民幣2,700億元，規模雖無法與OpenAI、甲骨文與軟體銀行的5,000億美元「星際之門」計畫相比，但這只是中國加強監督位置分散資料中心的政策一環，更妥善因應客戶對AI的熱絡需求。

參與蕪湖計畫的一家國有雲端公司主管表示，地方政府對業者提供補貼，包括多達30%的AI晶片採購成本，比其他地方政府慷慨得多。

相較於美國Meta、Google及xAI等業者能以輝達的最新晶片布局，中國受到美國出口管制影響，本身的晶片製造產能有限，當地AI資料中心須依賴運算能力較低的處理器，或以國產晶片搭配從黑市取得的先進晶片。知情人士表示，協助取得遭禁止出口輝達晶片的中介機構網路，正在中國各地湧現。

美國企業研究所（AEI）研究員費達休克（Ryan Fedasiuk）表示，「中國正開始重新分配稀缺的運算資源，以創造最大的經濟產值」，「中國現在正以這套思維來規劃資料中心基礎設施」。

例如蕪湖市的「數據島」的資料中心，便是服務華為、中國電訊、中國聯通及中國移動等四家公司，範圍涵蓋長三角區域的上海、杭州、南京及蘇州。內蒙烏蘭察布市的資料中心則提供服務給北京及天津等北方城市的業者；貴州為廣州服務，甘肅慶陽市則為成都及重慶服務。

中國也正設法更妥善運用偏遠地區的閒置AI處理器，包括甘肅及內蒙。Jefferies分析師表示，相較於移動這些伺服器的位置，中國找到另一種技術解決方案，串聯各座資料中心。北京當局已指示業者使用中國電信及華為的網路技術，整合使用轉接器、交換器、路由器及軟體解決方案，將西部資料中心的運算能力連結到東部地區，把坐落於多數的處理器串聯為中央化的運算叢集。

專家指出，利用多處規模較小且舊式的資料中心，效率當然不及一處更大且更先進的資料中心。華為正致力於以UB-Mesh聯網技術解決效率問題，並宣稱已使AI大型語言模型的訓練效率提昇一倍。

延伸閱讀:

沒厲害晶片，中國版「星際之門」照樣爆發？

星際之門是由 OpenAI 等公司於 2025 年初啟動、旨在美國建設龐大 AI 基礎設施的巨額投資計畫，在中美科技戰白熱化之際，中國也正默默推動屬於自己的「星際之門」計畫，雖然規模無法與美國德州 5,000 億美元的超級資料中心相比，但中國已開始以不同策略因應，目標是將有限的算力資源發揮到最大效益，試圖縮短與美國的差距。

研究機構 Epoch AI 估計，美國擁有全球約四分之三的運算能力，而中國僅 15%。《Financial Times》報導，中國政府在今年春天公開一份規劃，要求西部偏遠地區的既有資料中心專注於大型語言模型（LLM）的「訓練」，因為這些地區電力成本較低、土地寬廣；而位於長三角、珠三角與京津地區等的核心人口密集處新建的資料中心，則負責處理「推理」任務——也就是 AI 生成回應的過程，目標是以物理上更近的距離來縮短 AI 應用的延遲時間。

這種「算力分工」模式是北京試圖在稀缺的硬體資源下，透過分類使用達成最大經濟產出。美國智庫 AEI 研究員 Ryan Fedasiuk 告訴《Financial Times》，中國正在「替稀缺算力進行分流，以追求最高的經濟效益」。

以安徽蕪湖為例，原本是稻田的島嶼，現已規劃為「資料島」，同時容納華為、中國電信、中國移動與中國聯通等四大營運商的 AI 資料中心。這些資料中心將服務上海、杭州、南京與蘇州等經濟重鎮，而內蒙古烏蘭察布則支援北京與天津，南方的貴州則供應廣州，形成全國性的算力輸送網。

但在算力分工背後，中國仍面臨最大的瓶頸：晶片短缺。由於美國出口管制，中國企業難以合法取得 NVIDIA 最先進的 H100、Blackwell 等 GPU。即便華為、中科曙光等中國本土廠商積極追趕，但製程與產能限制讓其難以完全替代 NVIDIA。

因此，中國市場湧現一批「中間商網絡」，透過海外管道、灰色市場取得 NVIDIA 晶片。根據《Financial Times》調查，部分供應商甚至成功獲得大量 Blackwell 伺服器。不過，NVIDIA 已明言這些管制產品無法獲得官方支援與維修，風險極高。

這樣的「繞道手法」在 2023 至 2024 年間一度推高黑市價格，一顆 H100 晶片甚至喊到 20 萬人民幣（約新台幣 85 萬元）。

除了分流與黑市，中國還寄望於技術手段，讓分散各地的運算資源「串聯成一」，因為在缺乏專業知識和客戶需求的狀況下，中國有許多處理器仍未充分利用，處於閒置狀態。根據中國科技媒體《36Kr》報導，中國新建的資料中心有超過 80% 處於閒置狀態。

原因之一在於商業模式改變。隨著 DeepSeek 開源推理模型 R1 席捲中國市場，許多中小企業已不再自建或訓練 LLM，而是直接套用現成模型。這使得原本為訓練打造的大型資料中心需求驟降，GPU 租賃價格跌到谷底。

但即使如此，中國政府仍視 AI 基礎設施為「必要之惡」，願意承擔泡沫期的陣痛。RAND Corporation 技術顧問 Jimmy Goodrich 告訴《麻省理工科技評論》，未來這些閒置算力可能會被國家整合，轉交給具備真正技術能力的龍頭企業管理。

根據《Financial Times》，中國政府已要求中國電信與華為，運用網路設備與軟體將分散在不同站點的處理器串連成一個「集中式運算叢集」，將運算能力從西部資料中心轉移到東部。這種方法可望避免 GPU 閒置，但也存在問題。資料中心研究機構 DC Byte 創辦人 Edward Galvin 就直言，多個小型、老舊資料中心相加，永遠比不上一個規模較大、較現代化的資料中心，因為這關乎規模經濟。

華為則嘗試以 UB-Mesh 技術改善此問題，聲稱能透過更好的任務分配，讓 LLM 跨中心訓練效率提升一倍。不過業界普遍認為，這仍屬過渡方案，短期難以改變中國在基礎架構上與美國的差距。

中國正以三大手法打造屬於自己的 AI 超級通道：透過「算力分工」提高使用效率、倚靠「黑市網絡」彌補晶片缺口，以及透過「技術串聯」連接分散資源。這些手段揭示了中國追趕美國的企圖心，但也暴露其政策導向、基礎設施過度投資與技術瓶頸的現實困境。